天津市科技支撑计划(14ZCZDSF00025)
- 作品数：6 被引量：39H指数：4
- 相关作者：孟庆浩曾明罗冰吴玉秀周宇更多>>
- 相关机构：天津大学河北工业大学太原工业学院更多>>
- 发文基金：天津市科技支撑计划国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术电子电信电气工程更多>>
- 短期风速的Adaboost＿GRNN组合预测模型被引量：7
- 2019年
- 对风电场风速进行准确预测对于风能的开发利用具有重要意义。为了克服单一预测方法的局限性并进一步提高预测精度,提出了基于Adaboost算法和广义回归神经网络的短期风速组合预测方法。首先,分别采用时间序列法、支持向量机法和神经网络法建立3种风速预测模型;其次,采用广义回归神经网络将这3种单一模型的预测值进行非线性组合;最后,利用Adaboost算法集成多个广义回归神经网络的输出并将其作为高精度的风速预测值。算例测试结果表明,所提组合方法的预测精度高于各个单一模型以及熵权法组合模型和广义回归神经网络组合模型的预测精度。
- 芦婧曾明
- 关键词：短期风速预测ADABOOST算法广义回归神经网络
- 基于单类支持向量机的电子鼻在白酒真假识别中的应用被引量：9
- 2015年
- 针对采用多类分类方法进行白酒真假识别时存在的真酒样本和假酒样本（正类样本和异类样本）数量无法均衡以及异类样本无法全部获取的问题,提出应用单类支持向量机分别单独对每一种品牌的白酒训练单类分类器进行真假识别的方法。首先采用自主设计的电子鼻系统对不同品牌白酒进行采样测试;采样后的传感器阵列数据依次经过数据预处理、特征生成、特征选择降维处理,得到可用于分类的白酒样本;再通过格点搜索获取每种白酒单类分类器的最优参数;最后测试各个单类分类器对相应品牌白酒的真假识别效果。各单类分类器的真假识别率分布在93%~98%之间,结果表明,采用自主设计的电子鼻结合单类支持向量机可以很好地对白酒真假进行识别。
- 周宇孟庆浩亓培锋井雅琪曾明
- 关键词：电子鼻白酒单类支持向量机
- 用于白酒识别的电子鼻数据分析与参数优化被引量：8
- 2015年
- 对电子鼻中数据分析(包括数据预处理、特征生成、特征降维和分类识别)问题进行研究.首先提出了将消除工频干扰、小波阈值去噪和数据归一化联用的电子鼻数据预处理新方法;然后从相对电导变化率及其微分、积分、曲率和平均数不等式的角度出发生成110维的初始特征空间;接着采用8种特征选择算法综合降维至41维,再利用核熵成分分析提取12维新特征;最后分别采用Softmax回归和改进的BP神经网络进行分类识别.在数据分析的基础上考察实验参数——气路流量和水浴蒸发温度对白酒识别的影响,同时结合主成分分析和线性判别分析得出较佳气路流量为200,sccm、水浴蒸发温度为70,℃;并应用此参数对11种浓香型白酒进行识别,经温湿度补偿后BP神经网络的识别准确率达91.36%.
- 亓培锋孟庆浩井雅琪曾明丁承君
- 关键词：电子鼻白酒数据预处理特征降维模式识别参数优化
- 一种飞艇自适应控制方法及其稳定性能仿真被引量：3
- 2016年
- 针对飞艇控制系统非线性、大惯性、准确数学模型未知和时变参数等难点,采用经典的PID控制很难取得理想的控制效果。针对上述问题,提出了一种采用极值搜索算法的飞艇自适应控制方法,结合PID控制设计了飞艇姿态控制器,并通过MATLAB仿真验证了控制器的性能,分析了控制器参数、飞艇参数变化对控制系统的影响。结果表明,与经典的PID控制方法相较,采用极值搜索算法的控制系统超调量降低、调节时间减少,反映系统综合性能的误差平方积分性能指标提高,并且能够自适应被控对象参数的变化。上述飞艇自适应控制方法不依赖数学模型,提高了飞艇的动态响应性能,增强了对飞艇时变参数的适应性。
- 徐飞孟庆浩罗冰雷戈航
- 关键词：飞艇自适应控制
- 基于声音的分布式多机器人相对定位被引量：12
- 2014年
- 提出了一种基于声音的分布式多机器人相对定位方法.首先,每个机器人通过声源定位算法估计发声机器人在其局部坐标系下的坐标;然后,每个机器人(不含发声机器人)通过无线通信方式将发声机器人在其坐标系下的坐标广播给所有其他机器人,通过坐标变换每个机器人可计算出所有其他机器人在其坐标系下的坐标,从而实现分布式相对定位.理论推导及实验证明只要两个机器人先后发声,通过本文所提方法即可实现多机器人相对定位.室内外环境中采用6个自制小型移动机器人实验表明,所提方法在3米的范围内可实现16厘米的相对定位精度.
- 吴玉秀孟庆浩曾明
- 关键词：多机器人系统分布式系统声源定位
- 用于二维源搜索的梯度自适应极值搜索算法被引量：2
- 2016年
- 基于正弦扰动的二维源极值搜索算法存在着适应性差和快速性与准确性相互制约的缺点。针对这一问题,提出一种基于梯度估计的参数自适应极值搜索算法,该算法在传统极值搜索算法基础上,通过三个历史采样点估计当前区域的梯度,并依据当前区域梯度值自适应调整反馈增益参数。此外,利用平均值理论对所提算法进行了理论分析和收敛性证明。不同环境下的仿真对比表明本方法提高了源搜索效率和对复杂梯度环境的适应性。
- 满艳鹏孟庆浩王佳瑛罗冰曾明
